简介面向光伏功率预测与多变量时间序列建模需求这份程序包提供完整的EMD-KPCA-LSTM组合模型实现。资源适合有一定深度学习基础、希望将信号分解与特征提取方法融入LSTM预测流程的研究者。包内共24个文件以MATLAB源程序.m、数据文件.mat/.xlsx为核心附带结果图片.png、算法说明.pdf与说明文档.txt压缩包仅2.64MB轻量易部署。案例基于北半球光伏数据包含太阳辐射度、气温、气压、大气湿度四个输入特征先通过经验模态分解降低环境序列非平稳性再用核主成分分析提取关键因子并降维最后由LSTM完成动态时序建模和功率预测。已有182人学习下载适合用于论文复现、课程设计或相关课题的算法对比。资源内还包含运行截图与误差计算脚本可快速校验模型效果。1. EMD-KPCA-LSTM 多维时间序列预测这份源程序解决的是非平稳光伏功率预测做多维时间序列预测的同学大概率遇到过这种事辐射度、气温、气压、湿度四列数据看着齐全直接丢进 LSTM预测曲线一碰到多云天气就乱跳。问题不在 LSTM 本身而在输入序列的非平稳性和多变量冗余。我拆了一版 EMD-KPCA-LSTM 源程序思路很直接先用经验模态分解EMD把每个环境序列拆成不同时间尺度的本征模态再用核主成分分析KPCA消除模态之间的冗余最后把降维后的特征序列交给 LSTM 做动态时序建模。这是一套完整的 MATLAB 流水线光伏功率预测场景能直接跑通风速、负荷、交通流这类非平稳多变量数据也能复用。适合想尽快跑通代码、又想把每个环节为什么这么接搞清楚的一线从业者。2. 先做 EMD把非平稳环境序列拆成本征模态拒绝模态混叠EMD 是这条流水线的第一级任务是降低输入序列的非平稳性。滑动平均和差分只能把趋势和波动混合压制EMD 从信号自身极值出发按时间尺度筛出一组本征模态函数IMF加一个残差。源码里的 emd.m 就是筛分实现emdtest.m 是它配套的测试入口。在动代码之前得先弄清楚为什么非平稳性对 LSTM 是致命伤。2.1 为什么输入要分解LSTM 怕的是趋势和突变混在一起光伏功率的直接输入是气象变量。太阳辐射度有明显的日周期但云层遮挡会在几十分钟内制造剧烈突变气温有季节趋势气压和湿度又有各自的缓慢漂移。把这样的原始序列直接喂给 LSTM网络要同时记住长期趋势、周期规律和突变细节梯度在反向传播时很容易被突变样本带偏。表现就是晴天时段预测准一到多云天气误差陡增。信号处理的说法是频率成分随时间变化这是典型非平稳序列。EMD 的思路是不预设基函数根据信号局部极值分布自适应地筛出若干本征模态函数。每个 IMF 只保留一个主导时间尺度低频趋势进残差高频突变留在靠前的 IMF。分解之后LSTM 不需要用同一个神经元同时消化“今天是晴天还是多云”和“此刻辐射度具体是多少”两类信息而是按尺度分开学。工程意义上这比先做滑动平均再训练要彻底得多。分解完成后有一个很容易验证的性质所有 IMF 加上最后一行残差应该能精确还原原始信号。我跑完 emdtest.m 的习惯是拿 sum(imf, 1) 和原序列作差残差峰值小于 1e-10 才继续往下走。这一步不是可选的因为后面 KPCA 吃的是拼接后的 IMF 矩阵如果分解阶段就丢了信息整套下游结果都不可信。2.2 文件与调用方式emd.m 的输出格式要先搞清楚资源里与 EMD 相关的文件有 emd.m、emdtest.m、emd_data.mat以及原始数据 origin_data.mat。我拿到代码的第一步是跑 emdtest.m它把 emd.m 包装成能观察中间结果的脚本可以直接看到每个输入特征分解出了几个 IMF 以及各 IMF 的波形。需要特别提醒emd.m 对每个序列返回的 IMF 行数不保证一致因为筛分停止条件依赖信号自身的极值分布这是自适应方法的正常行为但直接横向拼接就会报“矩阵维度不一致”。% 读取北半球光伏数据前四列为输入特征最后一列为光伏功率 raw xlsread(北半球光伏数据.xlsx); X raw(:, 1:4); % 辐射度、气温、气压、湿度 y raw(:, end); % 光伏功率待预测目标 % 逐列 EMD结果放 cell 而不是矩阵因为各列 IMF 数量可能不同 imf_cell cell(1, 4); for col 1:4 imf_cell{col} emd(X(:, col)); end逻辑说明循环对四列特征分别调用 emd.m结果暂存在 cell 数组里这一步刻意避开矩阵拼接是为了规避各列 IMF 行数不一致导致的维度报错。用 cell 存中间结果是这个阶段最重要的习惯后面做对齐时再统一长度。参数说明emd.m 内部的筛分停止阈值源码里是默认经验值我通常不调整。真正该关注的是下一步模态截断——保留哪些 IMF。保留太少高频突变的细节会丢保留太多模态之间的冗余会留给 KPCA 更多负担。光伏这类日周期明显的数据默认配置分解出的 IMF 数量在 5 到 8 个之间含残差如果明显偏少先检查是不是数据里连续 0 值太多而不是急着改筛分阈值。2.3 剔除 0 值和尾部对齐预处理里最容易被跳过的一步资源描述里专门提了“剔除 0 值”。北半球光伏数据在夜间和无光照时段辐射度与功率会长时间为 0。如果不处理EMD 会把这段平坦区域识别成某个主导模态分解结果整体被拉偏。常见做法是先按辐射度是否大于 0 剔除无效段或者干脆只截取日照时段做预测而不是把 24 小时全部送进模型。源码注释里那句“分类亦然”意思是这套前处理在分类任务里同样适用目标换成辐照等级或天气类别时EMD 和 KPCA 两级完全不用改只换 LSTM 的输出层即可。% 剔除辐射度 0 的样本段避免 EMD 把平坦零值区筛成主模态 valid X(:,1) 0; X X(valid, :); y y(valid, :); % 对齐各列 IMF 长度统一补零到最长长度 max_len max(cellfun((c) size(c,1), imf_cell)); imf_aligned []; for col 1:4 c imf_cell{col}; if size(c,1) max_len c [c; zeros(max_len - size(c,1), size(c,2))]; % 尾部补零对齐 end imf_aligned [imf_aligned, c]; end逻辑说明valid 用第一列辐射度是否大于 0 生成逻辑索引把夜间段直接过滤掉保证进入 EMD 的信号没有大段人为平坦区。对齐段把不足 max_len 的 IMF 矩阵在尾部补零使 KPCA 阶段拿到规则的二维矩阵这是后面一切操作的前提。参数说明补零是对齐的最简单方案代价是新引入一小段人为零值。我倾向补零而非截断因为 KPCA 之前还有一步归一化零点不会产生主导方向如果你发现某列原本就只有极少几条 IMF补零行数占比过高那就反过来截到最短长度两种做法的分界线是补零行数不超过原行数的 20%。3. 再做 KPCA核主成分分析比 PCA 强在哪参数怎么设EMD 做完原本 4 个特征变成了十几个甚至二十几个 IMF 列直接进 LSTM 会让参数量和训练时间翻倍何况 IMF 之间还有相关性。这一级用 KPCA 压缩维度。源程序中的 kernel.m、distanceMatrix.m、kPCA.m 三个文件构成一条完整链路kpcaTest.m 负责把它们串起来验证。3.1 为什么用 KPCA气象变量的相关性是非线性的普通 PCA 只能做线性投影。辐射度与气温之间的关系、湿度与气压之间的关系在小时间尺度上经常是弯曲的线性 PCA 会把这些非线性相关当作噪声丢掉。KPCA 的差别是先把原始特征通过核函数映射到高维空间在高维空间做线性 PCA再借助核技巧隐式回到原空间。用一句话概括它能在不显式构造高维坐标的前提下拿到非线性主成分。在 kPCA.m 里有个容易被忽略的步骤是核矩阵中心化。实际实现是 K_centered K - mean(K,1) - mean(K,2) mean(K(:))把高维映射后的样本平移到均值零点这是 PCA 的前提。只对 K 做 eig 而不做中心化第一特征向量会退化成全 1 向量降维结果完全错误。我初学这套代码时就踩过这个坑所以看到 kpcaTest.m 输出第一个特征值明显偏大时第一反应就是去检查中心化那一步是不是被注释掉了。3.2 核函数与保留维度两个直接影响结果的参数先看调用方式。kpcaTest.m 的流程是归一化输入、计算核矩阵、调用 kPCA 得到特征向量和特征值。% 先归一化再计算核矩阵顺序不能反 imf_norm (imf_aligned - mean(imf_aligned)) ./ std(imf_aligned); % 高斯核sigma8 是常见起点需要按数据尺度调整 K kernel(imf_norm, imf_norm, 8); % kPCA 降维保留前 12 个核主成分 [coeff, score, latent] kPCA(K, 12);逻辑说明归一化放在计算核矩阵之前因为高斯核对输入尺度极其敏感。kernel.m 内部调用 distanceMatrix.m 计算样本两两欧氏距离再套高斯核公式kPCA.m 对 K 做中心化和特征值分解score 是降维后的新特征矩阵latent 是特征值coeff 是特征向量。参数说明sigma8 不是固定值。数据经过 z-score 归一化后我把 sigma 在 1、4、8、16 之间扫过sigma8 时核矩阵数值相对集中在 [0.05, 1] 区间特征值衰减平缓保留前 12 个主成分累计贡献率能到 95% 以上。sigma 怎么选多少有点玄学但判断标准是确定的sigma 太大所有核值都接近 1样本被压成一点sigma 太小核值接近 0信息全部丢光。判断依据是 latent 的累计贡献率曲线我一般要求前 8 到 12 个成分覆盖 90% 到 95% 方差而不是硬编码某个固定维度。3.3 KPCA_data.mat作者保存的中间结果不是摆设资源包里有 KPCA_data.mat 和 emd_data.mat 两个中间结果文件。它们的直接价值是如果只想复现 LSTM 部分load 进来就能跳过 EMD 和 KPCA 两步如果要改参数重新跑又能拿作者保存的结果做对照判断自己的前两级实现有没有偏差。% 直接读作者保存的中间结果先跑通 LSTM 再回头调前两级 load(emd_data.mat); load(KPCA_data.mat);这两个文件的变量名与主程序 EMD_KPCA_LSTM.m 里的命名一致load 后可以直接覆盖同名变量。我复盘这套代码的习惯是先 load 结果跑通整条链路再逐步替换成自己重新生成的 imf_aligned 和 score每替换一级就对比一次预测误差这样能精确知道是 EMD 的问题还是 KPCA 的问题。对比时有个细节如果 score 的符号和作者保存的相反属正常现象特征向量的正负是任意的贡献率和重建误差一致就说明实现是对的。资源标题里同时出现过 emd-pca-lstm 和 emd-kpca-lstm 两种写法实际用的是 KPCA。如果你拿普通 PCA 替换 KPCA在光伏这类非线性相关明显的数据上前几个主成分的方差贡献率会明显偏低最终预测 RMSE 通常会高几个百分点。这个差异在云量突变时段尤其明显因为辐射度与功率的关系在那段时间接近非线性。4. 最后进 LSTM主程序 EMD_KPCA_LSTM.m 的结构与训练参数前两级输出的是干净的低维特征序列这一级交给 LSTM 做时间动态建模。主程序 EMD_KPCA_LSTM.m 是唯一需要整体理解的入口它把数据读取、前两级处理、样本构造、网络训练和误差计算全部串起来。资源里的运行结果截图就是从这个主程序跑出来的。4.1 主流程串联三个环节如何衔接成端到端预测EMD_KPCA_LSTM.m 的代码顺序是固定套路读数据、EMD、KPCA、构造时序样本、训练 LSTM、调用 calc_error.m。从工程角度看最值得学习的是它把前级输出转换为 LSTM 输入的方式这决定了预测形态是单步回归还是多步滚动。整套 lstm 模型代码以这个主程序为入口数据集就是资源里的北半球光伏数据.xlsx四列特征一列功率。% 主程序骨架逻辑 X_new KPCA_data; % 降维后的特征序列 y origin_data(:, end); % 原始功率标签 % 构造 sequence-to-one 样本用过去 look_back 步预测当前值 look_back 24; XTrain []; YTrain []; for t look_back1 : length(y) XTrain(:, :, end1) X_new(t-look_back:t-1, :); YTrain(end1, 1) y(t); end % 按时间顺序切分训练集和测试集不随机打乱 cut round(length(y) * 0.8); XTrain_set XTrain(:, :, 1:cut); YTrain_set YTrain(1:cut, :); XTest_set XTrain(:, :, cut1:end); YTest_set YTrain(cut1:end, :);逻辑说明滑窗每次取过去 24 个时间步的多变量特征作为输入输出是当前时间步的功率值输入区间是 t-look_back 到 t-1严格不包含当前时刻避免信息泄漏。XTrain 的维度是特征数 × look_back × 观测数与 MATLAB sequenceInputLayer 的输入格式一致。切分按时间顺序进行时序预测一旦随机打乱LSTM 学到的依赖关系就废了。参数说明look_back24 在光伏场景里近似过去一天的逐时记录如果数据是 15 分钟粒度24 就是 6 小时。这个参数的调整优先级最高它直接决定模型的时间记忆长度取值太小学不到日周期太大则把早先的无用信息也塞进来。我通常以 12、24、48 为三档做简单对比而不是一上来就用网格搜索。4.2 LSTM 网络结构与训练参数先给一组能训练收敛的配置LSTM 部分采用 sequence-to-one 回归结构输入多元多步特征序列输出单值功率。源码里的网络层数不多我按等价结构说明关键参数。layers [ sequenceInputLayer(size(XTrain,1)) % 输入维度降维后的特征数 lstmLayer(64, OutputMode, last) % 取最后时间步隐状态 fullyConnectedLayer(32) fullyConnectedLayer(1) regressionLayer]; options trainingOptions(adam, ... MaxEpochs, 300, ... MiniBatchSize, 32, ... InitialLearnRate, 0.005, ... LearnRateSchedule, piecewise, ... LearnRateDropFactor, 0.5, ... LearnRateDropPeriod, 50, ... Plots, training-progress, ... Verbose, 0); net trainNetwork(XTrain_set, YTrain_set, layers, options);逻辑说明lstmLayer 的 OutputMode 设为 last表示取最后一个时间步的隐状态接全连接层输出这是 sequence-to-one 的标准配置。regressionLayer 对应回归任务如果要做分类就把它换成 softmaxLayer 加 classificationLayer。参数说明InitialLearnRate0.005 对功率这类数值在几十到几百的量纲是安全的起点数据量纲上千时降到 0.001。MiniBatchSize 与样本量相关样本不足 200 时用 16 更稳样本上千再用 32。MaxEpochs300 是为了保证收敛但实际要根据训练曲线提前停曲线前 50 轮已经平稳后面跑完只是浪费。注意 YTrain 里的功率没有做归一化时学习率必须按下限来防止梯度爆炸。4.3 calc_error.m 和运行结果截图怎么判断模型好坏calc_error.m 是误差计算脚本运行结果截图是作者已经跑好的训练过程图和预测对比图。拿到代码后我的流程是先跑原图复现再换自己的数据。calc_error.m 里通常包含三个指标平均绝对误差MAE、均方根误差RMSE、决定系数R²。MAE 表示预测平均偏多少RMSE 放大大的误差样本R² 表示模型解释掉的方差比例。截图里的训练曲线如果显示 loss 前 50 轮快速下降、后 100 轮平稳说明数据划分和网络初始化都没有问题。如果只看三个数字很容易被光伏数据的大基数骗过。功率在几百瓦时MAE 四十多看上去不错但突变时段的误差可能超过三百。所以我每次跑完不只是看 calc_error.m 的输出还会把预测残差按真实功率段分组统计看高功率段的绝对误差是否失控。这一步没有现成脚本通常就是几行 MATLAB 的散点图代码但信息量比单一 RMSE 大得多。5. 避坑把 EMD-KPCA-LSTM 跑通的过程中最容易翻车的五个细节这套代码链路长前一级的输出是后一级的输入错误会被逐级放大。下面五条是我在复现和改参数时实际遇到的按现象、原因、解决的顺序记录优先级从前到后。5.1 IMF 数量不一致导致矩阵拼接直接报维度错误现象跑主程序时报错 “Matrix dimensions must agree”位置在 EMD 分解结果拼接附近。原因emd.m 对不同特征序列筛分出的 IMF 个数不同代码直接横向拼接左侧矩阵行数不一致。解决用 cell 暂存各列 EMD 结果统一补零或截断到同一长度再拼接。补零只能补在尾部不能在头部补否则破坏信号起始相位后续 LSTM 对序列起点很敏感。如果报错出现在 kpcaTest.m 而不是主程序多半是 load 的 emd_data.mat 与你重新生成的 imf_all 维度不一致这类前后级中间文件版本不匹配的问题清理工作区后重新跑一遍完整链路即可。5.2 EMD 边界效应让预测头部和尾部抖动特别大现象训练误差不错但预测序列开头几拍和结尾几拍误差明显大于中段。原因EMD 在序列两端做包络插值时边界极值点不足IMF 两端发散这是经验模态分解的固有毛病。解决常见做法是分解前做镜像延拓预测后裁掉延拓段。另一个工程化选择是在训练 LSTM 时把样本序列前 2% 到 5% 剔除因为这些样本的输入特征已经被边界失真污染光伏数据样本量足够时这招最省事。边界效应对短序列尤其致命数据只有几百个点的时候镜像延拓几乎是必选项样本超过两千点时可以直接关注测试集后 20% 的稳定段。5.3 KPCA 没归一化就计算核矩阵特征值全被量纲大的变量统治现象KPCA 降维后第一主成分贡献率接近 99%但预测精度没有提升甚至下降。原因核矩阵的距离项由量纲最大的特征主导。辐射度数值可到八百以上湿度在 0 到 100气压数值大但波动小高斯核计算距离时没有归一化小尺度变量信息被稀释掉。解决先对 imf_aligned 每列做 z-score 归一化再进 kernel.m。这是我复盘这套代码后确认最该最先检查的一步顺序反了后面所有参数都是错的。注意KPCA 阶段的归一化统计量要固定下来测试集沿用训练集算出的 mean 和 std不能在全序列上重新计算否则就是数据泄漏。还有一个隐蔽版本有人先对原特征用 PCA再对 IMF 用 KPCA两套降维统计量混用。要么全程 KPCA要么全程 PCA混用会让训练和测试的特征空间不一致。5.4 LSTM 训练损失不下降或者 loss 直接变成 NaN现象训练曲线前几十轮完全不动或某次迭代后 loss 变 NaN。原因最常见两个。一是 YTrain 功率值量纲大配合 InitialLearnRate0.01 梯度爆炸二是输入里有 NaNEMD 插值或补零过程引入 infLSTM 反向传播直接算崩。解决把输入和标签做过归一化功率也可以用 z-score 或 min-max 到 0 到 1学习率从 0.005 起步。训练前用 isnan 和 isinf 逐列扫描 imf_aligned、XTrain、YTrain有异常值先反查是 EMD 还是对齐步骤引入的。另外不要忽略数据集较大时设备显存不足的问题MATLAB 会静默降级到 CPU 训练loss 曲线变慢但不报错看到训练时间异常长先查设备。5.5 预测曲线比真实值滞后一拍形状对但相位错位现象预测曲线和真实曲线几乎完全平行但整体右移一个时间步RMSE 很高。原因滑窗构造样本时时间对齐出错。常见的是输入窗口用了未来数据或者 t 从 1 开始而不是从 look_back1 开始导致序列整体偏移。解决严格按 4.1 的循环写法输入取 X_new(t-look_back:t-1, :)输出取 y(t)t 从 look_back1 起步。数据如果是逐时且列本身按时间倒序还要先做排序检查这类隐藏问题最容易让人误判成模型能力不行。滞后一拍的另一种来源是预测值被做了平滑后处理如果输出端接了移动平均相位滞后是正常的此时要看原始预测和滤波后的两组曲线别把滤波伪影当模型问题。6. 验证与进阶用三个误差指标和一个副图把预测结果做实6.1 从 calc_error.m 出发搭一组可对比的验收流程calc_error.m 算出的 MAE、RMSE、R² 只看任何一项都会被骗MAE 低但 RMSE 高说明多数样本准但有极大误差R² 高但突变段偏差大说明晴天准确度拉高了整体。我固定的验收两件套是先跑 calc_error.m 拿指标再画真实功率对比预测功率的时间序列副图图上标出晴天、多云、阴雨三段。多云段残差如果超过晴天段三倍模型不可用哪怕 R² 到了 0.95。6.2 进阶把单步预测改成多步滚动预测如果生产环境要求提前 4 小时预测单步结构不够。常见做法是滚动预测模型输出的功率值作为下一拍的已知信息拼回输入窗口每次前进一个时间步循环 4 次。这里的坑是EMD 和 KPCA 不能对滚动窗口重新计算因为分解和降维的基准是训练集的统计量。正确做法是在训练前完成一次 EMD 加 KPCA得到完整降维序列再在其中做滑窗。滚动预测的前一两步通常准越往后误差累积越快所以要每隔一步就把最新实测值插进窗口而不是只用预测值迭代到底。这套源码是 MATLAB 环境迁移到 Python 时注意对应关系sequenceInputLayer 对应把输入整成 (seq_len, batch, input_size)lstmLayer 对应 nn.LSTMOutputModelast 对应只取最后一步输出接全连接。结构迁移不难真正要搬过去的是 EMD 和 KPCA 统计量固定的逻辑。我从拆这套源码里学到的最大习惯是跑通之前先对齐中间产物。那以后我每次拿到这类“先分解、再降维、再进网络”的多维时间序列预测代码第一件事永远是分别 load 或者单独运行 emd_data.mat 与 KPCA_data.mat 的生成段对比自己的中间结果与作者保存的中间结果是否一致一致才往下走 LSTM。这一步省掉的排查时间远比想象的少。希望帮到你。完整的源程序包在 146 号资源里说明.txt 和运行结果截图都在配套博文解读可以对着看按上面的坑过一遍你跑出来的曲线不会比作者截图差。本文还有配套的精品资源点击获取
简介面向光伏功率预测与多变量时间序列建模需求这份程序包提供完整的EMD-KPCA-LSTM组合模型实现。资源适合有一定深度学习基础、希望将信号分解与特征提取方法融入LSTM预测流程的研究者。包内共24个文件以MATLAB源程序.m、数据文件.mat/.xlsx为核心附带结果图片.png、算法说明.pdf与说明文档.txt压缩包仅2.64MB轻量易部署。案例基于北半球光伏数据包含太阳辐射度、气温、气压、大气湿度四个输入特征先通过经验模态分解降低环境序列非平稳性再用核主成分分析提取关键因子并降维最后由LSTM完成动态时序建模和功率预测。已有182人学习下载适合用于论文复现、课程设计或相关课题的算法对比。资源内还包含运行截图与误差计算脚本可快速校验模型效果。1. EMD-KPCA-LSTM 多维时间序列预测这份源程序解决的是非平稳光伏功率预测做多维时间序列预测的同学大概率遇到过这种事辐射度、气温、气压、湿度四列数据看着齐全直接丢进 LSTM预测曲线一碰到多云天气就乱跳。问题不在 LSTM 本身而在输入序列的非平稳性和多变量冗余。我拆了一版 EMD-KPCA-LSTM 源程序思路很直接先用经验模态分解EMD把每个环境序列拆成不同时间尺度的本征模态再用核主成分分析KPCA消除模态之间的冗余最后把降维后的特征序列交给 LSTM 做动态时序建模。这是一套完整的 MATLAB 流水线光伏功率预测场景能直接跑通风速、负荷、交通流这类非平稳多变量数据也能复用。适合想尽快跑通代码、又想把每个环节为什么这么接搞清楚的一线从业者。2. 先做 EMD把非平稳环境序列拆成本征模态拒绝模态混叠EMD 是这条流水线的第一级任务是降低输入序列的非平稳性。滑动平均和差分只能把趋势和波动混合压制EMD 从信号自身极值出发按时间尺度筛出一组本征模态函数IMF加一个残差。源码里的 emd.m 就是筛分实现emdtest.m 是它配套的测试入口。在动代码之前得先弄清楚为什么非平稳性对 LSTM 是致命伤。2.1 为什么输入要分解LSTM 怕的是趋势和突变混在一起光伏功率的直接输入是气象变量。太阳辐射度有明显的日周期但云层遮挡会在几十分钟内制造剧烈突变气温有季节趋势气压和湿度又有各自的缓慢漂移。把这样的原始序列直接喂给 LSTM网络要同时记住长期趋势、周期规律和突变细节梯度在反向传播时很容易被突变样本带偏。表现就是晴天时段预测准一到多云天气误差陡增。信号处理的说法是频率成分随时间变化这是典型非平稳序列。EMD 的思路是不预设基函数根据信号局部极值分布自适应地筛出若干本征模态函数。每个 IMF 只保留一个主导时间尺度低频趋势进残差高频突变留在靠前的 IMF。分解之后LSTM 不需要用同一个神经元同时消化“今天是晴天还是多云”和“此刻辐射度具体是多少”两类信息而是按尺度分开学。工程意义上这比先做滑动平均再训练要彻底得多。分解完成后有一个很容易验证的性质所有 IMF 加上最后一行残差应该能精确还原原始信号。我跑完 emdtest.m 的习惯是拿 sum(imf, 1) 和原序列作差残差峰值小于 1e-10 才继续往下走。这一步不是可选的因为后面 KPCA 吃的是拼接后的 IMF 矩阵如果分解阶段就丢了信息整套下游结果都不可信。2.2 文件与调用方式emd.m 的输出格式要先搞清楚资源里与 EMD 相关的文件有 emd.m、emdtest.m、emd_data.mat以及原始数据 origin_data.mat。我拿到代码的第一步是跑 emdtest.m它把 emd.m 包装成能观察中间结果的脚本可以直接看到每个输入特征分解出了几个 IMF 以及各 IMF 的波形。需要特别提醒emd.m 对每个序列返回的 IMF 行数不保证一致因为筛分停止条件依赖信号自身的极值分布这是自适应方法的正常行为但直接横向拼接就会报“矩阵维度不一致”。% 读取北半球光伏数据前四列为输入特征最后一列为光伏功率 raw xlsread(北半球光伏数据.xlsx); X raw(:, 1:4); % 辐射度、气温、气压、湿度 y raw(:, end); % 光伏功率待预测目标 % 逐列 EMD结果放 cell 而不是矩阵因为各列 IMF 数量可能不同 imf_cell cell(1, 4); for col 1:4 imf_cell{col} emd(X(:, col)); end逻辑说明循环对四列特征分别调用 emd.m结果暂存在 cell 数组里这一步刻意避开矩阵拼接是为了规避各列 IMF 行数不一致导致的维度报错。用 cell 存中间结果是这个阶段最重要的习惯后面做对齐时再统一长度。参数说明emd.m 内部的筛分停止阈值源码里是默认经验值我通常不调整。真正该关注的是下一步模态截断——保留哪些 IMF。保留太少高频突变的细节会丢保留太多模态之间的冗余会留给 KPCA 更多负担。光伏这类日周期明显的数据默认配置分解出的 IMF 数量在 5 到 8 个之间含残差如果明显偏少先检查是不是数据里连续 0 值太多而不是急着改筛分阈值。2.3 剔除 0 值和尾部对齐预处理里最容易被跳过的一步资源描述里专门提了“剔除 0 值”。北半球光伏数据在夜间和无光照时段辐射度与功率会长时间为 0。如果不处理EMD 会把这段平坦区域识别成某个主导模态分解结果整体被拉偏。常见做法是先按辐射度是否大于 0 剔除无效段或者干脆只截取日照时段做预测而不是把 24 小时全部送进模型。源码注释里那句“分类亦然”意思是这套前处理在分类任务里同样适用目标换成辐照等级或天气类别时EMD 和 KPCA 两级完全不用改只换 LSTM 的输出层即可。% 剔除辐射度 0 的样本段避免 EMD 把平坦零值区筛成主模态 valid X(:,1) 0; X X(valid, :); y y(valid, :); % 对齐各列 IMF 长度统一补零到最长长度 max_len max(cellfun((c) size(c,1), imf_cell)); imf_aligned []; for col 1:4 c imf_cell{col}; if size(c,1) max_len c [c; zeros(max_len - size(c,1), size(c,2))]; % 尾部补零对齐 end imf_aligned [imf_aligned, c]; end逻辑说明valid 用第一列辐射度是否大于 0 生成逻辑索引把夜间段直接过滤掉保证进入 EMD 的信号没有大段人为平坦区。对齐段把不足 max_len 的 IMF 矩阵在尾部补零使 KPCA 阶段拿到规则的二维矩阵这是后面一切操作的前提。参数说明补零是对齐的最简单方案代价是新引入一小段人为零值。我倾向补零而非截断因为 KPCA 之前还有一步归一化零点不会产生主导方向如果你发现某列原本就只有极少几条 IMF补零行数占比过高那就反过来截到最短长度两种做法的分界线是补零行数不超过原行数的 20%。3. 再做 KPCA核主成分分析比 PCA 强在哪参数怎么设EMD 做完原本 4 个特征变成了十几个甚至二十几个 IMF 列直接进 LSTM 会让参数量和训练时间翻倍何况 IMF 之间还有相关性。这一级用 KPCA 压缩维度。源程序中的 kernel.m、distanceMatrix.m、kPCA.m 三个文件构成一条完整链路kpcaTest.m 负责把它们串起来验证。3.1 为什么用 KPCA气象变量的相关性是非线性的普通 PCA 只能做线性投影。辐射度与气温之间的关系、湿度与气压之间的关系在小时间尺度上经常是弯曲的线性 PCA 会把这些非线性相关当作噪声丢掉。KPCA 的差别是先把原始特征通过核函数映射到高维空间在高维空间做线性 PCA再借助核技巧隐式回到原空间。用一句话概括它能在不显式构造高维坐标的前提下拿到非线性主成分。在 kPCA.m 里有个容易被忽略的步骤是核矩阵中心化。实际实现是 K_centered K - mean(K,1) - mean(K,2) mean(K(:))把高维映射后的样本平移到均值零点这是 PCA 的前提。只对 K 做 eig 而不做中心化第一特征向量会退化成全 1 向量降维结果完全错误。我初学这套代码时就踩过这个坑所以看到 kpcaTest.m 输出第一个特征值明显偏大时第一反应就是去检查中心化那一步是不是被注释掉了。3.2 核函数与保留维度两个直接影响结果的参数先看调用方式。kpcaTest.m 的流程是归一化输入、计算核矩阵、调用 kPCA 得到特征向量和特征值。% 先归一化再计算核矩阵顺序不能反 imf_norm (imf_aligned - mean(imf_aligned)) ./ std(imf_aligned); % 高斯核sigma8 是常见起点需要按数据尺度调整 K kernel(imf_norm, imf_norm, 8); % kPCA 降维保留前 12 个核主成分 [coeff, score, latent] kPCA(K, 12);逻辑说明归一化放在计算核矩阵之前因为高斯核对输入尺度极其敏感。kernel.m 内部调用 distanceMatrix.m 计算样本两两欧氏距离再套高斯核公式kPCA.m 对 K 做中心化和特征值分解score 是降维后的新特征矩阵latent 是特征值coeff 是特征向量。参数说明sigma8 不是固定值。数据经过 z-score 归一化后我把 sigma 在 1、4、8、16 之间扫过sigma8 时核矩阵数值相对集中在 [0.05, 1] 区间特征值衰减平缓保留前 12 个主成分累计贡献率能到 95% 以上。sigma 怎么选多少有点玄学但判断标准是确定的sigma 太大所有核值都接近 1样本被压成一点sigma 太小核值接近 0信息全部丢光。判断依据是 latent 的累计贡献率曲线我一般要求前 8 到 12 个成分覆盖 90% 到 95% 方差而不是硬编码某个固定维度。3.3 KPCA_data.mat作者保存的中间结果不是摆设资源包里有 KPCA_data.mat 和 emd_data.mat 两个中间结果文件。它们的直接价值是如果只想复现 LSTM 部分load 进来就能跳过 EMD 和 KPCA 两步如果要改参数重新跑又能拿作者保存的结果做对照判断自己的前两级实现有没有偏差。% 直接读作者保存的中间结果先跑通 LSTM 再回头调前两级 load(emd_data.mat); load(KPCA_data.mat);这两个文件的变量名与主程序 EMD_KPCA_LSTM.m 里的命名一致load 后可以直接覆盖同名变量。我复盘这套代码的习惯是先 load 结果跑通整条链路再逐步替换成自己重新生成的 imf_aligned 和 score每替换一级就对比一次预测误差这样能精确知道是 EMD 的问题还是 KPCA 的问题。对比时有个细节如果 score 的符号和作者保存的相反属正常现象特征向量的正负是任意的贡献率和重建误差一致就说明实现是对的。资源标题里同时出现过 emd-pca-lstm 和 emd-kpca-lstm 两种写法实际用的是 KPCA。如果你拿普通 PCA 替换 KPCA在光伏这类非线性相关明显的数据上前几个主成分的方差贡献率会明显偏低最终预测 RMSE 通常会高几个百分点。这个差异在云量突变时段尤其明显因为辐射度与功率的关系在那段时间接近非线性。4. 最后进 LSTM主程序 EMD_KPCA_LSTM.m 的结构与训练参数前两级输出的是干净的低维特征序列这一级交给 LSTM 做时间动态建模。主程序 EMD_KPCA_LSTM.m 是唯一需要整体理解的入口它把数据读取、前两级处理、样本构造、网络训练和误差计算全部串起来。资源里的运行结果截图就是从这个主程序跑出来的。4.1 主流程串联三个环节如何衔接成端到端预测EMD_KPCA_LSTM.m 的代码顺序是固定套路读数据、EMD、KPCA、构造时序样本、训练 LSTM、调用 calc_error.m。从工程角度看最值得学习的是它把前级输出转换为 LSTM 输入的方式这决定了预测形态是单步回归还是多步滚动。整套 lstm 模型代码以这个主程序为入口数据集就是资源里的北半球光伏数据.xlsx四列特征一列功率。% 主程序骨架逻辑 X_new KPCA_data; % 降维后的特征序列 y origin_data(:, end); % 原始功率标签 % 构造 sequence-to-one 样本用过去 look_back 步预测当前值 look_back 24; XTrain []; YTrain []; for t look_back1 : length(y) XTrain(:, :, end1) X_new(t-look_back:t-1, :); YTrain(end1, 1) y(t); end % 按时间顺序切分训练集和测试集不随机打乱 cut round(length(y) * 0.8); XTrain_set XTrain(:, :, 1:cut); YTrain_set YTrain(1:cut, :); XTest_set XTrain(:, :, cut1:end); YTest_set YTrain(cut1:end, :);逻辑说明滑窗每次取过去 24 个时间步的多变量特征作为输入输出是当前时间步的功率值输入区间是 t-look_back 到 t-1严格不包含当前时刻避免信息泄漏。XTrain 的维度是特征数 × look_back × 观测数与 MATLAB sequenceInputLayer 的输入格式一致。切分按时间顺序进行时序预测一旦随机打乱LSTM 学到的依赖关系就废了。参数说明look_back24 在光伏场景里近似过去一天的逐时记录如果数据是 15 分钟粒度24 就是 6 小时。这个参数的调整优先级最高它直接决定模型的时间记忆长度取值太小学不到日周期太大则把早先的无用信息也塞进来。我通常以 12、24、48 为三档做简单对比而不是一上来就用网格搜索。4.2 LSTM 网络结构与训练参数先给一组能训练收敛的配置LSTM 部分采用 sequence-to-one 回归结构输入多元多步特征序列输出单值功率。源码里的网络层数不多我按等价结构说明关键参数。layers [ sequenceInputLayer(size(XTrain,1)) % 输入维度降维后的特征数 lstmLayer(64, OutputMode, last) % 取最后时间步隐状态 fullyConnectedLayer(32) fullyConnectedLayer(1) regressionLayer]; options trainingOptions(adam, ... MaxEpochs, 300, ... MiniBatchSize, 32, ... InitialLearnRate, 0.005, ... LearnRateSchedule, piecewise, ... LearnRateDropFactor, 0.5, ... LearnRateDropPeriod, 50, ... Plots, training-progress, ... Verbose, 0); net trainNetwork(XTrain_set, YTrain_set, layers, options);逻辑说明lstmLayer 的 OutputMode 设为 last表示取最后一个时间步的隐状态接全连接层输出这是 sequence-to-one 的标准配置。regressionLayer 对应回归任务如果要做分类就把它换成 softmaxLayer 加 classificationLayer。参数说明InitialLearnRate0.005 对功率这类数值在几十到几百的量纲是安全的起点数据量纲上千时降到 0.001。MiniBatchSize 与样本量相关样本不足 200 时用 16 更稳样本上千再用 32。MaxEpochs300 是为了保证收敛但实际要根据训练曲线提前停曲线前 50 轮已经平稳后面跑完只是浪费。注意 YTrain 里的功率没有做归一化时学习率必须按下限来防止梯度爆炸。4.3 calc_error.m 和运行结果截图怎么判断模型好坏calc_error.m 是误差计算脚本运行结果截图是作者已经跑好的训练过程图和预测对比图。拿到代码后我的流程是先跑原图复现再换自己的数据。calc_error.m 里通常包含三个指标平均绝对误差MAE、均方根误差RMSE、决定系数R²。MAE 表示预测平均偏多少RMSE 放大大的误差样本R² 表示模型解释掉的方差比例。截图里的训练曲线如果显示 loss 前 50 轮快速下降、后 100 轮平稳说明数据划分和网络初始化都没有问题。如果只看三个数字很容易被光伏数据的大基数骗过。功率在几百瓦时MAE 四十多看上去不错但突变时段的误差可能超过三百。所以我每次跑完不只是看 calc_error.m 的输出还会把预测残差按真实功率段分组统计看高功率段的绝对误差是否失控。这一步没有现成脚本通常就是几行 MATLAB 的散点图代码但信息量比单一 RMSE 大得多。5. 避坑把 EMD-KPCA-LSTM 跑通的过程中最容易翻车的五个细节这套代码链路长前一级的输出是后一级的输入错误会被逐级放大。下面五条是我在复现和改参数时实际遇到的按现象、原因、解决的顺序记录优先级从前到后。5.1 IMF 数量不一致导致矩阵拼接直接报维度错误现象跑主程序时报错 “Matrix dimensions must agree”位置在 EMD 分解结果拼接附近。原因emd.m 对不同特征序列筛分出的 IMF 个数不同代码直接横向拼接左侧矩阵行数不一致。解决用 cell 暂存各列 EMD 结果统一补零或截断到同一长度再拼接。补零只能补在尾部不能在头部补否则破坏信号起始相位后续 LSTM 对序列起点很敏感。如果报错出现在 kpcaTest.m 而不是主程序多半是 load 的 emd_data.mat 与你重新生成的 imf_all 维度不一致这类前后级中间文件版本不匹配的问题清理工作区后重新跑一遍完整链路即可。5.2 EMD 边界效应让预测头部和尾部抖动特别大现象训练误差不错但预测序列开头几拍和结尾几拍误差明显大于中段。原因EMD 在序列两端做包络插值时边界极值点不足IMF 两端发散这是经验模态分解的固有毛病。解决常见做法是分解前做镜像延拓预测后裁掉延拓段。另一个工程化选择是在训练 LSTM 时把样本序列前 2% 到 5% 剔除因为这些样本的输入特征已经被边界失真污染光伏数据样本量足够时这招最省事。边界效应对短序列尤其致命数据只有几百个点的时候镜像延拓几乎是必选项样本超过两千点时可以直接关注测试集后 20% 的稳定段。5.3 KPCA 没归一化就计算核矩阵特征值全被量纲大的变量统治现象KPCA 降维后第一主成分贡献率接近 99%但预测精度没有提升甚至下降。原因核矩阵的距离项由量纲最大的特征主导。辐射度数值可到八百以上湿度在 0 到 100气压数值大但波动小高斯核计算距离时没有归一化小尺度变量信息被稀释掉。解决先对 imf_aligned 每列做 z-score 归一化再进 kernel.m。这是我复盘这套代码后确认最该最先检查的一步顺序反了后面所有参数都是错的。注意KPCA 阶段的归一化统计量要固定下来测试集沿用训练集算出的 mean 和 std不能在全序列上重新计算否则就是数据泄漏。还有一个隐蔽版本有人先对原特征用 PCA再对 IMF 用 KPCA两套降维统计量混用。要么全程 KPCA要么全程 PCA混用会让训练和测试的特征空间不一致。5.4 LSTM 训练损失不下降或者 loss 直接变成 NaN现象训练曲线前几十轮完全不动或某次迭代后 loss 变 NaN。原因最常见两个。一是 YTrain 功率值量纲大配合 InitialLearnRate0.01 梯度爆炸二是输入里有 NaNEMD 插值或补零过程引入 infLSTM 反向传播直接算崩。解决把输入和标签做过归一化功率也可以用 z-score 或 min-max 到 0 到 1学习率从 0.005 起步。训练前用 isnan 和 isinf 逐列扫描 imf_aligned、XTrain、YTrain有异常值先反查是 EMD 还是对齐步骤引入的。另外不要忽略数据集较大时设备显存不足的问题MATLAB 会静默降级到 CPU 训练loss 曲线变慢但不报错看到训练时间异常长先查设备。5.5 预测曲线比真实值滞后一拍形状对但相位错位现象预测曲线和真实曲线几乎完全平行但整体右移一个时间步RMSE 很高。原因滑窗构造样本时时间对齐出错。常见的是输入窗口用了未来数据或者 t 从 1 开始而不是从 look_back1 开始导致序列整体偏移。解决严格按 4.1 的循环写法输入取 X_new(t-look_back:t-1, :)输出取 y(t)t 从 look_back1 起步。数据如果是逐时且列本身按时间倒序还要先做排序检查这类隐藏问题最容易让人误判成模型能力不行。滞后一拍的另一种来源是预测值被做了平滑后处理如果输出端接了移动平均相位滞后是正常的此时要看原始预测和滤波后的两组曲线别把滤波伪影当模型问题。6. 验证与进阶用三个误差指标和一个副图把预测结果做实6.1 从 calc_error.m 出发搭一组可对比的验收流程calc_error.m 算出的 MAE、RMSE、R² 只看任何一项都会被骗MAE 低但 RMSE 高说明多数样本准但有极大误差R² 高但突变段偏差大说明晴天准确度拉高了整体。我固定的验收两件套是先跑 calc_error.m 拿指标再画真实功率对比预测功率的时间序列副图图上标出晴天、多云、阴雨三段。多云段残差如果超过晴天段三倍模型不可用哪怕 R² 到了 0.95。6.2 进阶把单步预测改成多步滚动预测如果生产环境要求提前 4 小时预测单步结构不够。常见做法是滚动预测模型输出的功率值作为下一拍的已知信息拼回输入窗口每次前进一个时间步循环 4 次。这里的坑是EMD 和 KPCA 不能对滚动窗口重新计算因为分解和降维的基准是训练集的统计量。正确做法是在训练前完成一次 EMD 加 KPCA得到完整降维序列再在其中做滑窗。滚动预测的前一两步通常准越往后误差累积越快所以要每隔一步就把最新实测值插进窗口而不是只用预测值迭代到底。这套源码是 MATLAB 环境迁移到 Python 时注意对应关系sequenceInputLayer 对应把输入整成 (seq_len, batch, input_size)lstmLayer 对应 nn.LSTMOutputModelast 对应只取最后一步输出接全连接。结构迁移不难真正要搬过去的是 EMD 和 KPCA 统计量固定的逻辑。我从拆这套源码里学到的最大习惯是跑通之前先对齐中间产物。那以后我每次拿到这类“先分解、再降维、再进网络”的多维时间序列预测代码第一件事永远是分别 load 或者单独运行 emd_data.mat 与 KPCA_data.mat 的生成段对比自己的中间结果与作者保存的中间结果是否一致一致才往下走 LSTM。这一步省掉的排查时间远比想象的少。希望帮到你。完整的源程序包在 146 号资源里说明.txt 和运行结果截图都在配套博文解读可以对着看按上面的坑过一遍你跑出来的曲线不会比作者截图差。本文还有配套的精品资源点击获取
